AAU Student Projects - visit Aalborg University's student projects portal
An executive master's programme thesis from Aalborg University
Book cover


Mapping Urban Readiness of Cycling Infrastructure with Open Data: A Spatial Framework

Author

Term

4. semester

Publication year

2026

Submitted on

Pages

79

Abstract

This thesis presents a mapping-based assessment framework that checks whether city cycling networks are physically ready for different types of bikes, with a special focus on cargo bikes. Instead of predicting demand, route choices, or logistics performance, the framework asks a simpler question: do existing paths meet the minimum width, surface quality, continuity, and slope needed for bikes to operate reliably? Cargo bikes are used as a stricter test because they need more space and smoother, more continuous routes. Building on established GIS-based bikeability methods, the Cycling Readiness framework evaluates standard bicycles and cargo bikes side by side on the same network, using the same set of infrastructure and terrain indicators from open data. The only difference between profiles is the feasibility thresholds, which are tighter for cargo bikes. Because indicators, weights, spatial units, and aggregation rules are identical, differences in scores are interpreted as signs of network robustness or fragility, not differences in user preferences. The method relies only on open, transferable datasets and summarizes conditions within a regular grid of small 50 m hexagons using median values. This supports citywide interpretation while avoiding overstated results in areas with many short, disconnected links. The framework is applied to several European cities to compare how readiness patterns change under stricter requirements, without making assumptions about routes or demand. Results are shown as spatial readiness maps and cross-city comparisons that highlight places where networks suitable for everyday commuters become constrained for cargo bikes. Overall, the framework is intended as an early-stage planning and benchmarking tool for diagnosing and prioritizing cycling infrastructure, rather than a model that predicts cycling uptake or urban freight activity.

Afhandlingen præsenterer et kortlægningsbaseret vurderingsværktøj, der undersøger, om byers cykelnet er fysisk klar til forskellige cykeltyper, med særligt fokus på ladcykler. I stedet for at modellere efterspørgsel, rutevalg eller logistikydelse stiller værktøjet et enklere spørgsmål: opfylder de eksisterende cykelruter de minimale krav til bredde, overfladekvalitet, sammenhæng og terræn, så cykler kan fungere driftssikkert? Ladcykler bruges som en strengere test, fordi de kræver mere plads og mere jævne, sammenhængende forløb. Med afsæt i etablerede GIS-baserede metoder til at måle cykelvenlighed vurderer Cycling Readiness-rammen almindelige cykler og ladcykler side om side på det samme net, ved hjælp af de samme indikatorer for infrastruktur og terræn fra åbne data. Den eneste forskel mellem profilerne er grænseværdierne for gennemførlighed, som er strammere for ladcykler. Fordi indikatorer, vægte, rumlige enheder og aggregeringsregler er identiske, tolkes forskelle som udtryk for netværkets robusthed eller sårbarhed – ikke som forskelle i brugerpræferencer. Metoden bygger udelukkende på åbne, overførbare datasæt og sammenfatter forholdene i et regelmæssigt gitter af små, 50 m store sekskanter ved hjælp af medianværdier. Det giver et overblik på byniveau og undgår overvurdering i områder med mange korte, usammenhængende stræk. Rammen anvendes på flere europæiske byer for at sammenligne, hvordan parathedsmønstre ændrer sig under strengere krav, uden antagelser om ruter eller efterspørgsel. Resultaterne vises som kort over parathed og sammenligninger på tværs af byer, der peger på steder, hvor net, der fungerer for pendlere, bliver begrænsende for ladcykler. Samlet er rammen tænkt som et værktøj til tidlig planlægning og benchmarking, der understøtter diagnostisk vurdering og strategisk prioritering af cykelinfrastruktur – ikke som en model, der forudsiger cyklingens udbredelse eller bygodstransport.

[This apstract has been rewritten with the help of AI based on the project's original abstract]